Stochastische Videoerzeugung mit einem gelernten Prior

Die Erstellung von Videobildern, die zukünftige Weltzustände genaue vorhersagen, ist eine Herausforderung. Bestehende Ansätze scheitern entweder daran, die gesamte Verteilung der möglichen Ausgänge zu erfassen, oder sie erzeugen unscharfe Bilder, oder beides. In dieser Arbeit stellen wir ein unüberwachtes Videoerstellungsmodell vor, das ein Vorlagenmodell der Unsicherheit in einer gegebenen Umgebung lernt. Videobilder werden durch Ziehen von Stichproben aus diesem Prior und Kombinieren mit einer deterministischen Schätzung des zukünftigen Bildes generiert. Der Ansatz ist einfach und lässt sich leicht end-to-end auf verschiedenen Datensätzen trainieren. Die generierten Beispiele sind sowohl vielfältig als auch scharf, selbst nach vielen Bildern in der Zukunft, und vergleichen sich günstig mit denen bestehender Ansätze.